數(shù)據(jù)安全正在重塑自身。隨著新的數(shù)據(jù)安全態(tài)勢(shì)管理解決方案上市，組織越來越認(rèn)識(shí)到提供基于證據(jù)的安全性的機(jī)會(huì)，以證明其數(shù)據(jù)是如何受到保護(hù)的。但究竟什么是數(shù)據(jù)安全態(tài)勢(shì)，您如何管理它？
隨著 Gartner? Cool Vendors? 在數(shù)據(jù)安全 — 保護(hù)和加速高級(jí)用例中的發(fā)布，數(shù)據(jù)安全態(tài)勢(shì)管理(DSPM) 成為主流。在那份報(bào)告中，Gartner1 似乎開啟了數(shù)據(jù)安全態(tài)勢(shì)管理術(shù)語的流行使用以及每個(gè) VC 對(duì)該領(lǐng)域的大規(guī)模投資。自該報(bào)告發(fā)布以來，Gartner 已經(jīng)確定了至少 16 家 DSPM 供應(yīng)商，其中包括 Symmetry Systems。
(相關(guān)資料圖)
肯定有很多關(guān)于數(shù)據(jù)安全態(tài)勢(shì)管理解決方案本身的營(yíng)銷和發(fā)布，但我們首先想深入了解什么是數(shù)據(jù)安全態(tài)勢(shì)？
Symmetry Systems 將數(shù)據(jù)安全態(tài)勢(shì)定義為“......保護(hù)數(shù)據(jù)免受未經(jīng)授權(quán)的訪問、破壞和/或更改所需的能力的當(dāng)前狀態(tài)。數(shù)據(jù)安全態(tài)勢(shì)是對(duì)組織的數(shù)據(jù)存儲(chǔ)或單個(gè)數(shù)據(jù)對(duì)象的評(píng)估：
數(shù)據(jù)攻擊面：數(shù)據(jù)到身份、漏洞和其他錯(cuò)誤配置的映射，可用作訪問數(shù)據(jù)的入口點(diǎn)。
數(shù)據(jù)安全控制有效性：根據(jù)行業(yè)最佳實(shí)踐和組織政策對(duì)數(shù)據(jù)安全和隱私控制進(jìn)行循證評(píng)估。
數(shù)據(jù)爆炸半徑：對(duì)處于風(fēng)險(xiǎn)中的數(shù)據(jù)或單個(gè)身份、數(shù)據(jù)存儲(chǔ)、漏洞或錯(cuò)誤配置的安全漏洞的最大潛在影響進(jìn)行量化評(píng)估。這包括確定可能受影響的數(shù)據(jù)類型和數(shù)量，以及基于當(dāng)前控制有效性的估計(jì)成本和預(yù)測(cè)后果。
總體而言，穩(wěn)健的組織數(shù)據(jù)安全態(tài)勢(shì)涉及管理組織數(shù)據(jù)安全的綜合方法，包括持續(xù)清點(diǎn)和分類數(shù)據(jù)、持續(xù)評(píng)估和改進(jìn)數(shù)據(jù)安全控制、主動(dòng)調(diào)整數(shù)據(jù)訪問權(quán)以及承諾持續(xù)監(jiān)控和響應(yīng)數(shù)據(jù)的異常使用。”
為了保持良好的數(shù)據(jù)安全態(tài)勢(shì)，組織應(yīng)該做到以下幾點(diǎn)：
清點(diǎn)數(shù)據(jù)：數(shù)據(jù)清點(diǎn)——即所有數(shù)據(jù)存儲(chǔ)及其中數(shù)據(jù)的敏感性的綜合列表——是確定功能當(dāng)前狀態(tài)的重要第一步。
監(jiān)控?cái)?shù)據(jù)活動(dòng)和數(shù)據(jù)流：接下來的一個(gè)重要步驟是確保對(duì)活動(dòng)和數(shù)據(jù)流具有可見性，因?yàn)樗梢蕴岣吣鷻z測(cè)和響應(yīng)任何異常或危害指標(biāo)的能力，同時(shí)改善您的數(shù)據(jù)安全狀況。
評(píng)估數(shù)據(jù)安全控制：一旦對(duì)數(shù)據(jù)有了這種可見性和洞察力，您就可以對(duì)數(shù)據(jù)安全控制進(jìn)行基于證據(jù)的評(píng)估。這應(yīng)該包括確定數(shù)據(jù)的加密級(jí)別、特定環(huán)境中數(shù)據(jù)的散列和標(biāo)記化的有效性，以及最重要的云配置和訪問控制的驗(yàn)證，包括訪問數(shù)據(jù)所需的身份驗(yàn)證。
減少數(shù)據(jù)攻擊面：組織應(yīng)該有適當(dāng)?shù)牧鞒虂硎褂么朔治龅慕Y(jié)果來主動(dòng)識(shí)別和減少數(shù)據(jù)攻擊面。這應(yīng)包括確保所有有權(quán)訪問敏感數(shù)據(jù)和包含敏感數(shù)據(jù)的數(shù)據(jù)存儲(chǔ)的身份都需要進(jìn)行多因素身份驗(yàn)證，并從環(huán)境中刪除休眠帳戶。
最小化爆炸半徑：組織必須不斷評(píng)估處于風(fēng)險(xiǎn)中的數(shù)據(jù)量并確定務(wù)實(shí)步驟的優(yōu)先級(jí)，以最大程度地減少單個(gè)身份、數(shù)據(jù)存儲(chǔ)、漏洞或配置錯(cuò)誤的安全漏洞的潛在影響。這應(yīng)該包括從不適當(dāng)?shù)沫h(huán)境中刪除敏感數(shù)據(jù)，識(shí)別和消除錯(cuò)誤配置，以及通過存檔或刪除數(shù)據(jù)或從活動(dòng)帳戶中刪除未使用的權(quán)限來最小化數(shù)據(jù)。
前幾年可能意味著數(shù)據(jù)泛濫使得處理和提取見解變得更加困難，因?yàn)楫?dāng)時(shí)大數(shù)據(jù)的挑戰(zhàn)更多地圍繞著存儲(chǔ)和安全性。現(xiàn)在情況正在發(fā)生巨大變化。我們看到越來越多的組織開始意識(shí)到其數(shù)據(jù)驅(qū)動(dòng)的潛力。成功的用例廣泛且跨行業(yè)。客戶體驗(yàn)團(tuán)隊(duì)正在提供數(shù)據(jù)驅(qū)動(dòng)的交互。人力資源領(lǐng)導(dǎo)者正在根據(jù)行為洞察力優(yōu)化參與和保留流程。交付部門正在訪問實(shí)時(shí)性能以更好更快地進(jìn)行創(chuàng)新。
“到2025年，30%的Gartner 客戶將使用“需要共享”的方法而不是傳統(tǒng)的“需要知道”的方法來保護(hù)他們的數(shù)據(jù)。”（Gartner）
當(dāng)然，前面還有很多挑戰(zhàn)。盡管對(duì)于希望獲得數(shù)據(jù)驅(qū)動(dòng)的競(jìng)爭(zhēng)優(yōu)勢(shì)的組織而言，現(xiàn)在是采取行動(dòng)的時(shí)候了。這里有五個(gè)趨勢(shì)可以幫助您選擇從哪里開始。
1. 云數(shù)據(jù)治理從遠(yuǎn)程工作到人工智能，云繼續(xù)支撐著現(xiàn)代商業(yè)的重塑。超過 70% 的組織已將至少部分工作負(fù)載遷移到公共云中。
然而，成為云原生的競(jìng)爭(zhēng)并非沒有風(fēng)險(xiǎn)，從預(yù)算超支到遷移延遲。
“效率低下導(dǎo)致平均每年公司的遷移支出比計(jì)劃多 14%，而且 38% 的公司的遷移延遲超過四分之一。”（麥肯錫）
遷移和生態(tài)系統(tǒng)的挑戰(zhàn)將因 DevOps 人才的持續(xù)短缺而加劇，尤其是在受到高度監(jiān)管的行業(yè)中，在這些行業(yè)中，遺留和本地基礎(chǔ)設(shè)施占有重要地位，而不同的工作負(fù)載不太適合“提升和轉(zhuǎn)移”方法。
組織將需要尋找其他方法來保持競(jìng)爭(zhēng)力，例如自動(dòng)化和自助數(shù)據(jù)分析。
這些基于云的管理系統(tǒng)提供了一種轉(zhuǎn)換原始數(shù)據(jù)并在正確的時(shí)間將其交付給正確的用戶的方法。無需 IT 或數(shù)據(jù)分析師先準(zhǔn)備報(bào)告。
相反，可以按需存儲(chǔ)和訪問大量數(shù)據(jù)。超越使用數(shù)據(jù)倉庫的傳統(tǒng)和靜態(tài)方法，而是為每個(gè)用戶及其相關(guān)用例帶來可定制的儀表板。
至關(guān)重要的是，基于云的服務(wù)現(xiàn)在越來越多地得到 AI 和 ML 產(chǎn)品的支持。這些釋放了企業(yè)應(yīng)用人工智能優(yōu)化現(xiàn)有流程的潛力，例如通過自動(dòng)化工作流程。
還可以根據(jù)歷史請(qǐng)求應(yīng)用學(xué)習(xí)元素，確保現(xiàn)代數(shù)據(jù)治理的持續(xù)改進(jìn)周期。
2.自適應(yīng)人工智能在當(dāng)今瞬息萬變的世界中，“一切照舊”的概念要求提高靈活性、活力和適應(yīng)生存的準(zhǔn)備。
預(yù)計(jì)到 2023 年，自適應(yīng)人工智能的興起將證明這一點(diǎn)，系統(tǒng)將根據(jù)新數(shù)據(jù)不斷學(xué)習(xí)、調(diào)整和重新訓(xùn)練模型。它不同于傳統(tǒng)的和更靜態(tài)的人工智能，后者需要人類開發(fā)人員更新模型并防止它們變得過時(shí)或過時(shí)。
通過有效地“內(nèi)置”持續(xù)學(xué)習(xí)，人工智能將需要更少的人工干預(yù)。更重要的是，從數(shù)據(jù)中自適應(yīng)學(xué)習(xí)的能力將產(chǎn)生新的見解來支持執(zhí)行決策，從而使企業(yè)能夠引入應(yīng)用可觀察性。
這是可以分析基于 AI 的決策以獲得進(jìn)一步建議的地方。然后可以創(chuàng)建一個(gè)反饋循環(huán)來跟蹤以前的結(jié)果。由此產(chǎn)生的基于證據(jù)的見解可用于提高預(yù)測(cè)的準(zhǔn)確性并為未來的戰(zhàn)略提供信息。
“到 2026 年，采用 AI 工程實(shí)踐來構(gòu)建和管理自適應(yīng) AI 系統(tǒng)的企業(yè)將在運(yùn)行人工智能模型所需的數(shù)量和時(shí)間上超過同行至少 25%。”（高德納）
自適應(yīng)人工智能有可能解決機(jī)器學(xué)習(xí)模型帶來的一些歷史挑戰(zhàn)，在這些模型中，離群值通常會(huì)影響訓(xùn)練數(shù)據(jù)，在每次迭代中以指數(shù)方式扭曲結(jié)果，而不是被忽視。
當(dāng)然，真正新穎的觀察或現(xiàn)實(shí)世界變化的影響可能很容易在小數(shù)據(jù)集中檢測(cè)到。而在 AI 所需的數(shù)量中，此類異常值更難確定。
因此，自適應(yīng)人工智能可以降低這種算法偏差的風(fēng)險(xiǎn)。通過動(dòng)態(tài)調(diào)整流程，自適應(yīng)人工智能還可以通過應(yīng)用更智能的自動(dòng)化來幫助企業(yè)確保更有效的治理。
3.實(shí)時(shí)數(shù)據(jù)數(shù)據(jù)使企業(yè)保持運(yùn)轉(zhuǎn)，但實(shí)時(shí)數(shù)據(jù)提供了競(jìng)爭(zhēng)優(yōu)勢(shì)。
從毫秒級(jí)交易的金融機(jī)構(gòu)到批準(zhǔn)付款和處理 PII 的電子商務(wù)商店，在按需自助服務(wù)體驗(yàn)的推動(dòng)下，不斷提高的客戶期望將進(jìn)一步滿足對(duì)實(shí)時(shí)數(shù)據(jù)的需求。
與批量數(shù)據(jù)管道相比，創(chuàng)建實(shí)時(shí)數(shù)據(jù)管道還可以降低處理成本。批處理數(shù)據(jù)必須從源頭反復(fù)查詢，而實(shí)時(shí)只需要對(duì)新數(shù)據(jù)或事件做出反應(yīng)。
一些用例只需要基于批處理的管道來處理歷史數(shù)據(jù)。然而，隨著數(shù)據(jù)集和相關(guān)的治理要求變得越來越大，許多組織將不得不進(jìn)行一些大型基礎(chǔ)設(shè)施調(diào)用。
這種演變的規(guī)模，加上所需的處理能力和能力，是數(shù)據(jù)分析自動(dòng)化到 2023 年將發(fā)揮如此重要作用的原因，從自動(dòng)執(zhí)行訂單的簡(jiǎn)單腳本，到自動(dòng)檢測(cè)異常或風(fēng)險(xiǎn)活動(dòng)的復(fù)雜算法。
能夠成功利用自動(dòng)化的組織將能夠提高生產(chǎn)力、更快地發(fā)現(xiàn)洞察力并更好地管理復(fù)雜變量。它只需要正確選擇數(shù)據(jù)生命周期可以自動(dòng)化的平臺(tái)，但仍然提供具有所需可見性級(jí)別的統(tǒng)一事實(shí)來源。
4. 數(shù)據(jù)訪問治理數(shù)據(jù)隱私、保護(hù)和治理在世界各國(guó)政府的待辦事項(xiàng)清單上名列前茅。
歐盟的 GDPR、加拿大的 PIPEDA 和中國(guó)的 PIPL——這些和其他國(guó)家已經(jīng)表明，大規(guī)模調(diào)整立法是可能的。這種勢(shì)頭使數(shù)據(jù)治理和數(shù)據(jù)訪問控制成為 2023 年業(yè)務(wù)戰(zhàn)略的核心。
“截至 2020 年，全球 10% 的人口的個(gè)人數(shù)據(jù)受到現(xiàn)代隱私法規(guī)的保護(hù)。到 2023 年，預(yù)計(jì)全球總?cè)丝诘?65% 的個(gè)人數(shù)據(jù)將受到隱私法規(guī)的保護(hù)。”（統(tǒng)計(jì)）
當(dāng)多個(gè)業(yè)務(wù)職能協(xié)調(diào)一致時(shí)，這些趨勢(shì)將在 2023 年及以后帶來許多機(jī)會(huì)。
從外部角度來看，展示合規(guī)性可以作為品牌差異化因素，在消費(fèi)者中建立信任。從內(nèi)部角度來看，自動(dòng)化數(shù)據(jù)治理和策略管理提高了整個(gè)企業(yè)的生產(chǎn)力。
員工可以自由訪問他們需要的數(shù)據(jù)，而無需手動(dòng)檢查他們是否合規(guī)。數(shù)據(jù)可以動(dòng)態(tài)到達(dá)，用于聚合、共享和與其他 BI 工具集成。
當(dāng)然，除了靈活性和穩(wěn)健性之外，它還從遵守必要法規(guī)的基本要求開始，這些法規(guī)已更新或要求對(duì) PII 進(jìn)行更多控制或圍繞無偏差算法提高透明度。
一旦數(shù)據(jù)保護(hù)框架到位，數(shù)據(jù)治理就可以成為競(jìng)爭(zhēng)優(yōu)勢(shì)，重點(diǎn)不再是簡(jiǎn)單地控制數(shù)據(jù)，而是更多地關(guān)注需要數(shù)據(jù)的人。
5.數(shù)據(jù)民主化到 2023 年，對(duì)數(shù)據(jù)民主化的需求將繼續(xù)上升，要求企業(yè)擺脫傳統(tǒng)的自上而下的數(shù)據(jù)治理方法。
相反，重點(diǎn)將放在根據(jù)需要將數(shù)據(jù)交到盡可能多的（批準(zhǔn)的）手中。與其期望人類專業(yè)知識(shí)必須尋找數(shù)據(jù)（通常通過手動(dòng)和冗長(zhǎng)的過程和瓶頸），合規(guī)數(shù)據(jù)將變得更易于訪問和按需提供。
這將意味著商業(yè)智能將更加面向自助服務(wù)，而不是 IT 的專利。隨著員工越來越多地將數(shù)據(jù)納入決策和協(xié)作，企業(yè)文化也將發(fā)生變化。
“組織越來越希望通過內(nèi)部協(xié)作、跨生態(tài)系統(tǒng)的數(shù)據(jù)共享、直接商業(yè)化或作為 AI 驅(qū)動(dòng)的業(yè)務(wù)決策的基礎(chǔ)來利用其數(shù)據(jù)來獲得業(yè)務(wù)優(yōu)勢(shì)”（Forrester）
從生成豐富的數(shù)據(jù)可視化到構(gòu)建應(yīng)用程序，低代碼的興起表明了非技術(shù)用戶可以實(shí)現(xiàn)的目標(biāo)。
民主化數(shù)據(jù)（結(jié)構(gòu)化和非結(jié)構(gòu)化）是優(yōu)先考慮可用性的過程的自然演變，同時(shí)降低了傳統(tǒng)數(shù)據(jù)治理過程的復(fù)雜性和剛性。
將數(shù)據(jù)趨勢(shì)轉(zhuǎn)化為成功的墊腳石緊跟潮流一直是保持競(jìng)爭(zhēng)力的核心部分。不過，上述五種趨勢(shì)構(gòu)成了更多東西的一部分。它們標(biāo)志著結(jié)構(gòu)性的、永久性的轉(zhuǎn)變。進(jìn)入一個(gè)數(shù)據(jù)概念和數(shù)據(jù)立法不斷發(fā)展的世界。拋開直覺和 HIPPO 決策的時(shí)代。
建立一種能夠適應(yīng)不斷變化的環(huán)境的動(dòng)態(tài)治理形式是最低要求。組織需要強(qiáng)大的編排工具以及自動(dòng)化來管理、清理和確保數(shù)據(jù)的完整性。
作為一個(gè)聚合和整合的基礎(chǔ)，形成一個(gè)包羅萬象的“廣譜”數(shù)據(jù)治理方法，其中數(shù)據(jù)發(fā)現(xiàn)和策略定義相結(jié)合（例如將加密和令牌化作為標(biāo)準(zhǔn)訪問控制），數(shù)據(jù)安全平臺(tái)（DSP）將因此對(duì)商業(yè)成功至關(guān)重要。
在采用高級(jí)分析、基于云的數(shù)據(jù)湖和策略執(zhí)行自動(dòng)化時(shí)，組織還可以從廣泛的功能中受益。可以為數(shù)據(jù)屏蔽和治理實(shí)施細(xì)粒度和動(dòng)態(tài)訪問控制。DSP 保護(hù)的敏感數(shù)據(jù)也可以直接使用，無需屏蔽。
標(biāo)簽：
